基于灰色关联度组合模型的能源消费预测研究

郭婧英

(天津大学 管理与经济学部， 天津 300072)



基于灰色关联度组合模型的能源消费预测研究

郭婧英

(天津大学 管理与经济学部， 天津 300072)

为了准确预测未来几年我国能源消费总量，基于灰色关联度建立了我国能源消费组合预测模型，并与传统GM(1,1)模型进行对比分析。结果表明：组合模型能有效降低平均相对误差，提高预测精度，非常适用于我国能源消费预测。

灰色关联度；组合模型；能源消费；预测

能源是人类活动的重要物质基础，也是人类社会赖以生存和发展的重要影响因素，直接关系着一个国家经济发展的命脉。改革开放以来，我国经济始终保持着高速发展态势，能源消费总量不断增加，供求矛盾日益突出。“十三五”时期是全面建设小康社会的关键时期，也是进一步推动能源革命和生态文明的加速时期，制定科学合理的能源发展战略规划对我国经济社会发展有着非常重要的指导意义，而能源消费总量预测则是能源发展战略规划的重要组成部分。根据“十三五”规划，我国能源发展目标是到2020年能源消费总量控制在50亿吨标准煤以内，能源自给率保持在80%以上，合理调整能源消费结构。因此，建立科学合理的能源消费预测模型，准确预测未来几年我国能源消费总量，不但可以为我国制定能源发展战略规划提供理论依据，更对保持我国经济持续平稳健康发展有着重要的现实意义。

目前，国内外学者关于能源消费预测提出了很多模型，最常见的主要有以下几种：弹性系数法、投入产出法、线性回归模型、ARIMA模型以及灰色GM(1,1)模型。其中，灰色GM(1,1)模型可以利用较少的已知信息模拟包含不确定性信息的灰色系统，预测精度较高，深受国内外学者欢迎。但是，传统GM(1,1)模型也存在一些不足，在一定程度上限制了灰色预测理论的适用范围。本文在传统GM(1,1)模型的基础上，建立若干等维新信息GM(1,1)模型，并借助等维新信息GM(1,1)模型构建基于灰色关联度的组合模型，对我国能源消费总量进行预测分析，以求在一定程度上提高预测精度，改善灰色预测模型的适用性。

1 基于灰色关联度的组合预测模型

1.1 传统GM(1,1)模型

灰色GM(1,1)模型可以利用较少的已知信息模拟包含不确定性信息的灰色系统，通过对原始数据进行1-AGO生成一次累加序列，建立累加序列的灰色微分方程，根据灰色微分方程的解进行累减逆运算，即可得到灰色GM(1,1)模型的解。传统灰色GM(1,1)模型的基本原理如下：

1.2 等维新信息灰色GM(1,1)模型

对于一个随时间变化的灰色系统而言，随着时间的变化，灰色系统将会不断受到扰动因素的影响，灰色GM(1,1)模型模拟值的偏差也会越来越大。而在日常生活中，我们又需要进行中长期预测，为了提高灰色GM(1,1)模型的精度，可以利用较少的已知数据建立GM(1,1)模型预测未来一个数据，然后将该预测数据添加到已知数据序列中，同时删除一个最老的数据，这样便保持了新数据序列与原数据序列等维度，在此基础上建立的模型成为等维新信息灰色GM(1,1)模型。等维新信息灰色GM(1,1)模型的基本原理如下：

以此类推，就得到了n-m个等维新信息灰色GM(1,1)模型，为建立灰色组合预测模型打下基础。

1.3 灰色组合预测模型

一般情况下，取ρ=0.5，那么X1和X2的灰色关联度为：

对于随时间变化的灰色系统，可以建立若干不同的灰色GM(1,1)模型，通过将这些灰色预测模型按照一定的权重进行组合，就能在一定条件下有效提高模型的预测精度，降低模型预测误差。

首先，将等维新信息GM(1,1)模型预测值与实际值进行对比分析，计算两者的灰色关联度ri，并进行无量纲化处理：

ξi=1-

然后，计算灰色组合预测模型的权重系数

wi∶wi=

1.4 基于灰色组合模型的能源消费预测

本文基于灰色关联度组合模型，研究我国能源消费水平预测问题，为了考察灰色组合模型的预测精度，选取2006—2015年我国能源消费数据，分别建立传统GM(1,1)模型和灰色组合模型，对2006—2015年我国能源消费水平进行拟合，并比较分析两个模型的平均相对误差。

灰色组合模型的基本思路是：建立若干不同的灰色GM(1,1)模型，通过将这些灰色预测模型按照一定的权重进行组合，从而达到提高预测精度的目的。本文以等维新信息灰色GM(1,1)模型为基础建立灰色组合模型。首先，建立等维新信息灰色GM(1,1)模型，不失一般性，这里取m=9，这样可以利用原始数据序列中前9个原始数据和后9个原始数据建立GM(1,1)模型。然后，根据这两组等维新信息灰色GM(1,1)建立灰色组合模型：

k=1,2,…,n

w1+w2=1w1+w2=1

利用matlab等数学工具求解以上灰色GM(1,1)模型，根据灰色关联度可以计算出w1=0.380 2，w2=0.619 8。我国能源消费预测如表1所示。

表1 我国能源消费预测 万吨标准煤

数据来源：2016年国家统计年鉴

通过表1可以看出：传统灰色GM(1,1)模型和灰色组合模型的拟合平均相对误差分别为1.82%和1.34%，除了2013年和2014年的预测相对误差外，其余各年预测相对误差均有所改善，有效提高了模型的预测精度。

因此，基于灰色关联度的组合模型有效提高了灰色GM(1,1)的预测精度，扩大了灰色GM(1,1)模型适用范围，科学合理，方便快捷，非常适用于我国能源消费预测。

2 结束语

根据“十三五”规划，我国能源发展战略目标是到2020年能源消费总量控制在50亿吨标准煤以内，能源自给率保持在80%以上，合理调整能源消费结构。为了完成“十三五”规划能源发展战略目标，有必要准确预测未来几年我国能源消费总量。本文建立基于灰色关联度的组合模型，对2006—2015年我国能源消费总量进行预测，并与传统灰色GM(1,1)模型进行对比。结果表明：传统灰色GM(1,1)模型和灰色组合模型的拟合平均相对误差分别为1.82%和1.34%，组合模型有效降低了平均相对误差，提高了预测精度，扩大了灰色GM(1,1)模型适用范围，非常适用于我国能源消费预测。

[1] 陈洪涛,周德群.基于GM(1,1)模型的中国能源消费预测研究[J].矿业研究与开发,2007,27(3):77-79.

[2] 徐步然.灰色GM(1,1)模型在能源消费预测中的应用[J].重庆理工大学学报(自然科学),2014(9):130-133.

[3] 卫太祥,马光文.基于改进背景值构造方法的GM(1,1)能源消费预测模型[J].水电能源科学,2011(6):190-192.

[4] 姜洪殿,董康银,孙仁金,等.中国新能源消费预测及对策研究[J].可再生能源,2016,34(8):1196-1202.

[5] 彭怀午,刘方锐,杨晓峰.基于组合预测方法的风电场短期风速预测[J].太阳能学报,2011,32(4):543-547.

[6] 王丰效,张凌霜.基于蚁群算法的灰色组合预测模型[J].数学的实践与认识,2009,39(14):104-108.

[7] 曾波,刘思峰,方志耕,等.灰色组合预测模型及其应用[J].中国管理科学,2009,17(5):150-155.

[8] 王丰效.基于相对误差极小化的灰色组合预测模型[J].湖南文理学院学报(自然科学版),2006,18(3):15-17.

[9] 王宁.灰色组合预测模型研究[D].南京：南京航空航天大学,2009.

[10]肖洁,罗军刚,解建仓,等.变权组合预测模型在洪水预报中的应用[J].西北农林科技大学学报(自然科学版),2013,41(2):215-221.

[11]刘中侠,蒋诗泉.基于灰色GM(1,1)和BP神经网络组合预测模型及应用[J].铜陵学院学报,2016,15(3):102-104.

(责任编辑 何杰玲)

Research on Energy Consumption Prediction Based on Grey Combination Model

GUO Jing-ying

(School of Management and Economics, Tianjin University, Tianjin 300072, China)

In order to accurately predict total energy consumption in next few years, the grey combination model based on grey relational analysis is established. Compared with traditional GM (1, 1) model, it shows that the combination model can effectively reduce the average relative error and improve the forecasting accuracy, and is very suitable for energy consumption prediction.

grey relational analysis；combination model；energy consumption；prediction

2017-02-25

国家自然科学基金资助项目(71202085)

郭婧英(1987—)，女，浙江东阳人，硕士研究生，主要从事灰色理论、组合模型方面研究，E-mail: 1473146147@qq.com。

郭婧英.基于灰色关联度组合模型的能源消费预测研究[J].重庆理工大学学报(自然科学)，2017(6):95-98.

format：GUO Jing-ying.Research on Energy Consumption Prediction Based on Grey Combination Model[J].Journal of Chongqing University of Technology(Natural Science)，2017(6):95-98.

10.3969/j.issn.1674-8425(z).2017.06.014

O212

A

1674-8425(2017)06-0095-04